Python:从 STFT 重建音频文件

Question

作为一个简单的实验，我想计算 stft音频文件:

sample_rate, samples = wav.read(file)

f, t, Zxx = stft(samples, sample_rate)
_, reconstructed = istft(Zxx, sample_rate)
padded_samples = np.zeros_like(reconstructed)
padded_samples[:len(samples)] = samples
print (np.sum(padded_samples - reconstructed))

输出: -1.37309940428 .很小，不是吗？鉴于 samples形状为 (9218368,) .

test_file = os.path.join(temp_folder, 'reconstructed.wav')
wav.write(test_file, sample_rate, reconstructed)

重建的文件听起来很糟糕。原声在噪音下几乎听不见。我犯了错误，还是根本无法从 STFT 恢复音频文件？

关于如何将音频文件转换为某种可处理的数据，然后从中重建它，您还有其他建议吗？还有哪些其他类型的数据结构可用于处理音频文件？

谢谢你。

编辑:

正如沃伦所建议的:

print (samples.shape)
print (samples.dtype)
print (reconstructed.dtype)

输出:

(9218368,)
int16
float64

根据 scipy docs int 和 float input 在编写 wav 文件时具有不同的含义。我尝试将重构的转换为 np.int16:

rounded_reconstructed = np.rint(reconstructed).astype(np.int16)

test_file = os.path.join(temp_folder, 'reconstructed.wav')
wav.write(test_file, sample_rate, rounded_reconstructed)

结果与原版几乎没有区别。感谢您的帮助。

Answer 1

正如 Warren 所建议的那样:

print (samples.shape)
print (samples.dtype)
print (reconstructed.dtype)

输出:

(9218368,)
int16
float64

根据 the scipy docs int和 float写入 wav 文件时，输入具有不同的含义。我尝试转换 reconstructed至 np.int16 :

rounded_reconstructed = np.rint(reconstructed).astype(np.int16)

test_file = os.path.join(temp_folder, 'reconstructed.wav')
wav.write(test_file, sample_rate, rounded_reconstructed)

结果与原版几乎没有区别。感谢您的帮助。